A) Minimizar ou maximizar uma função objetivo B) Resolver equações C) Contagem de números primos D) Geração de números aleatórios
A) O resultado final B) A fórmula matemática C) O palpite inicial D) Limitação das soluções possíveis
A) Simplificação B) Randomização C) Maximização D) Minimização
A) A área fora dos condicionalismos B) O conjunto de todas as soluções viáveis C) A região com o valor máximo D) O espaço de solução
A) Uma solução sem restrições B) Uma solução que satisfaz todas as restrições C) Uma solução aleatória D) Uma solução incorrecta
A) Uma operação matemática aleatória B) Uma função de restrição C) Função a ser optimizada ou minimizada D) Uma equação sem variáveis
A) Método Simplex B) Tentativa e erro C) Recozimento simulado D) Adivinhar e verificar
A) Encontra o ótimo global B) Seleciona o melhor algoritmo C) Gera soluções aleatórias D) Avalia o impacto das alterações dos parâmetros na solução
A) Projeto de algoritmos B) Programação matemática C) Análise quantitativa D) Maximização de funções
A) Uma: otimização geral. B) Três: programação linear, programação não linear e programação inteira. C) Duas: otimização discreta e otimização contínua. D) Quatro: otimização combinatória, otimização estocástica, otimização dinâmica e otimização robusta.
A) Otimização contínua B) Programação não linear C) Otimização discreta D) Programação linear
A) Otimização contínua B) Otimização discreta C) Otimização combinatória D) Programação inteira
A) Leonid Kantorovich B) George B. Dantzig C) John von Neumann D) Fermat
A) O algoritmo de otimização B) O projetista do sistema C) Um avaliador externo D) O tomador de decisão
A) Algoritmos de otimização quântica B) Métodos do ponto interior C) Aproximação estocástica por perturbação simultânea (SPSA) D) Método da elipsoide
A) Condições de segunda ordem B) As condições de Karush-Kuhn-Tucker C) Condições de viabilidade D) Condições de primeira ordem
A) Relaxamento lagrangiano. B) Regiões de confiança. C) Buscas ao longo de linhas. D) Métodos de ponto interior.
A) Automaticamente, pelo próprio algoritmo. B) Ignorando os objetivos de menor importância. C) Por meio da análise de dados históricos. D) Através de sessões interativas com o tomador de decisão.
A) Variáveis binárias. B) Matrizes semidefinidas. C) Variáveis discretas. D) Variáveis contínuas.
A) Aumenta a complexidade. B) Elimina os compromissos (trade-offs). C) Reduz o número de soluções. D) Simplifica o problema.
A) 1 B) 4 C) 5 D) 3
A) Matemática discreta B) Programação linear C) Otimização local D) Otimização global
A) 1947 B) 1950 C) 1960 D) 1939
A) Ótimo de Pareto B) Ineficiente C) Subótimo D) Inferior
A) Pesquisa operacional B) Engenharia civil C) Modelagem molecular D) Engenharia de controle
A) Sim, é menos infinito. B) Não, ela não tem limite superior. C) Sim, é infinito. D) Sim, é 2.
A) Cosmologia e astrofísica. B) Engenharia, especialmente engenharia aeroespacial. C) Microeconomia. D) Engenharia elétrica.
A) Métodos de descida coordenada B) Aproximação estocástica por perturbação simultânea C) Métodos quase-newtonianos D) Descida do gradiente
A) Otimização multimodada. B) Otimização global. C) O problema de viabilidade. D) O problema de existência.
A) x = -1 B) x = ∞ C) x = 0 D) x = 1
A) Buscas diretas (ou métodos de busca linear). B) Regiões de confiança. C) Relaxamento lagrangiano. D) Estimativa de momento positivo-negativo. |